Villámgyorsan végigszáguldott a nemzetközi borsajtón: a Koppenhágai Egyetemen egy kutatócsoport megtanította bort kóstolni a mesterséges intelligenciát. Erre utalt a SienceDaily beszámolójának címe, de a Food & Drink Technology is hasonló módon akarta eladni a sztorit. Adler Yarrow, a nemzetközi borvilág egyik fontos megmondóembere (akit itthon egy Somlóról írt beszámolója után vált fontos emberré) szintén megemlékezett a kutatásról a blogjában, bár ő már némi ironikus felhanggal.

A clickbait mögött

A valóság, mint ahogy az lenni szokott volt ilyen esetekben, sokkal prózaibb: három egyetem, a DTU (Danmarks Tekniske Universitet), a Koppenhágai Egyetem és a Caltech (azaz a California Institute of Technology) kutatói betanítottak egy algoritmust, amely elég pontosan meg tudja jósolni, hogy kinek melyik bor fog ízleni (tanulmányukat az Arxivon publikálták: Learning to Taste: A Multimodal Wine Dataset). Voltaképpen – ahogy Yarrow is megjegyezte blogjában – csupán korrelációt mutat ki a borok aromatikus jegyei és a fogyasztó ízlése között.

A kutatók első körben kóstolókat tartottak összesen 256 kísérleti személlyel. Egy a fogyasztói teszteken gyakran alkalmazott feladatot adtak mindenkinek: egy A3-as lapon kellett sorba rendezniük borokat aszerint, hogy szerintük mely borok aromatikája hasonlít legjobban egymásra. Minél nagyobb volt a távolság a poharak között, annál eltérőbbnek érezték ízüket a kísérleti személyek. A kutatók ezután lefényképezték, majd digitalizálták a kialakult elrendezést.

Az így nyert adatokat utána kombinálták a Vivino (van-e borsznob, ki ezt a nevet nem ismeri?) hatalmas adatbázisával. A Vivino egy olyan mobilapp (egyébként szintén dán gyökerű, bár azóta központját áthelyezte San Franciscóba), ami borcímke alapján képes azonosítani a bort, és feldobni az arról készített felhasználói értékeléseket. De ha valaki tanácstalan, akkor a korábbi keresései és vásárlásai alapján ajánl is borokat vásárlásra, sőt néhány éve egy szolgáltatása azt is megmutatja, hogy egy bor milyen mértékben felel meg adott apphasználó preferenciáinak.

A kutatók a két adatkészlet (a Vivino esetében ez közel 890 ezer címkefotót és több mint 820 ezer bort jelent a termőhely, az évjárat, az alkoholtartalom, a fajtaösszetétel és az ár pontos megjelölésével, valamint szubjektív értékelésekkel) felhasználásával fejlesztették ki algoritmusukat. A modell persze nem érez, de kialakít egy olyan finom értékelési rendszert, amely a rendelkezésre álló információk alapján elég pontosan meg tudja határozni, hogy mely borok íze hasonló, és melyeké nem. Ha megadjuk az algoritmusnak a kedvenc borunkat, akkor válaszként megadja, hogy ízben (vagy ízben és árban) melyik bor hasonlíthat rá leginkább.

Jó játék, de izgalmas kísérlet is

Az talán lehet a kutatók személyes preferenciája, hogy a borkóstolást választották játszótérnek (bár valószínűleg a Vivio elérhető hatalmas adatkészlete is sokat nyomott a latba). A kutatásnak volt ennél általánosabb jelentősége is: kiderült, hogy amikor az algoritmus a borcímkékből és értékelésekből származó adatokat kombinálta, pontosabb előrejelzést adott az emberek borpreferenciáiról, mint amikor csak a hagyományos adattípusokat használta (ezt már a Vivino korábbi fejlődése is mutatta). Épp ez a lényeg: az úgynevezett multimodális tanulási adatkészlet, amikor az algoritmus például képek, szövegek és hangok kombinációjával dolgozik.

Ezeket az adattípusokat egészítették ki most érzékszervi bemenetekkel (a 256 kísérleti személy képpé transzponált "kóstolási jegyzete"), amivel új dimenziót kapott a gépi "ízérzékelés". Az élelmiszeripar számára kincs lenne egy olyan algoritmus, ami képes volna olyan ízkombinációk előállítására, amit az emberek többsége finomnak érez, és csak kevesen utasítanak el, ettől azonban még egyelőre messze járunk.

A kutatók mindenesetre bizakodóak. Szerintük módszerük sörre és kávéra vagy ételreceptek ajánlására szintén alkalmazható. Sőt akár egészségügyi haszna is lehet: a gasztroenterológiai panaszokban szenvedőknek például lehetne fejleszteni "mentes", de az ízprofiljukhoz illeszkedő ételeket.

Aki lát fantáziát a projektben, akár tovább is fejlesztheti. A GitHubon megtalál mindent szükséges információt, a vizsgálati módszer fotókkal illusztrált leírásától a tanítási adatkészleten át az open source forráskódig.